持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第16天，点击查看活动详情
前言
0基础入门目标检测，学得有些云里雾里，稍微整理一下近期的学习资料，后续的学习中会根据情况对学习内容进行调整，暂时简单记录一下。
1 pytorch深度学习快速入门
这一部分对使用的pytorch框架先进行了简单的了解和使用，大概了解到一些代码的套路。参考视频：B站小土堆。
- 环境安装及配置
- Dataset类 & Dataloader类
- TensorBoard & Transforms 的使用
- torchvision中数据集的使用
- 神经网络 nn.Module的使用
- 卷积层
- 池化层
- 激活函数
- 线性层及其他
- 损失函数与反向传播
- 优化器
- 现有模型使用及修改
- 模型训练套路
- 使用GPU训练
- 开源项目学习
2 深度学习及目标检测
只学过简单的Python语法，对深度学习可以说是完全小白。参考视频：MOOC。先快速刷课，把目标检测的门槛踏入再说。
- 神经网络
- BP神经网络
- CNN
- 经典卷积网络
- AlexNet
- VGG
- GoogLeNet
- ResNet
- 循环神经网络
- SSD
- yolov3
3 论文精读 & 代码复现
一些经典论文的精读。参考视频：深度之眼。
- Deep learning
- AlexNet
- VGG
- RCNN
- SSD
- MTCNN
- Facenet
4 学习路线
前置知识熟悉之后，开始上手目标检测的经典模型，看论文。参考：知乎目标检测学习路线。
- 目标检测经典模型
- 两阶段（2-stage）检测模型
- 单阶段（1-stage）检测模型
- 目标检测模型的评测与训练技巧
- 目标检测新趋势之基础网络结构演进、分类定位的权衡
- 目标检测之特征复用、实时性
- 目标检测新趋势拾遗
加油，时不我待！学起来！
